Detection of Underwater Multi-Targets Based on Self-Supervised Learning and Deformable Path Aggregation Feature Pyramid Network

要約

水中環境の制約を克服し、水中ターゲット検出モデルの精度と堅牢性を向上させるために、このペーパーでは、水中ターゲット検出のための特殊なデータセットを開発し、水中マルチターゲット検出の効率的なアルゴリズムを提案します。
SIMSIAM構造に基づいた自己監視学習は、水中ターゲット検出ネットワークの事前トレーニングに採用されています。
低コントラスト、相互閉塞、水中オブジェクトの検出における水中ターゲットの密度の高い分布によって引き起こされる低い検出精度の問題に対処するために、低水中の標的検出に適した検出モデルが、変形可能な畳み込みと拡張畳み込みを導入することによって提案されます。
提案された検出モデルは、受容フィールドを増やすことにより、より効果的な情報を取得できます。
さらに、回帰損失関数EIOUが導入され、予測ボックスの幅と高さの損失を個別に計算することにより、モデルのパフォーマンスが向上します。
実験結果は、水中ターゲット検出の精度が提案された検出器によって改善されたことを示しています。

要約(オリジナル)

To overcome the constraints of the underwater environment and improve the accuracy and robustness of underwater target detection models, this paper develops a specialized dataset for underwater target detection and proposes an efficient algorithm for underwater multi-target detection. A self-supervised learning based on the SimSiam structure is employed for the pre-training of underwater target detection network. To address the problems of low detection accuracy caused by low contrast, mutual occlusion and dense distribution of underwater targets in underwater object detection, a detection model suitable for underwater target detection is proposed by introducing deformable convolution and dilated convolution. The proposed detection model can obtain more effective information by increasing the receptive field. In addition, the regression loss function EIoU is introduced, which improves model performance by separately calculating the width and height losses of the predicted box. Experiment results show that the accuracy of the underwater target detection has been improved by the proposed detector.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google